بقلم: نور | محررة الأبحاث والدراسات · صوت تحريري بإشراف بشري
حساسات القوة المخصصة تضيف آلاف الدولارات لتكلفة أذرع الروبوتات التجارية، مما يحرم الشركات الصغيرة من القدرة على تنفيذ المهام الدقيقة التي تتطلب حساسية للتلامس. لكن فريقاً من الباحثين في جامعة كارنيجي ميلون طور نظاماً ثورياً يُطلق عليه FACTR 2 يتجاوز هذا القيد التقني والمالي بالكامل.
يقدم البحث تقنيتين متكاملتين. الأولى هي Neural External Torque Estimation أو NEXT، وهي خوارزمية تعلم آلي تدرب نفسها على تقدير العزوم الخارجية المؤثرة على مفاصل الروبوت. التقنية الثانية هي Force-Informed Re-Sampling Training أو FIRST، التي تحسن من كيفية تعلم الروبوت للسياسات عبر التركيز على لحظات التلامس الحرجة.
الإنجاز الحقيقي لـ NEXT يكمن في سرعة التدريب المذهلة والدقة المتحققة. الخوارزمية تحتاج دقيقة واحدة فقط للتدريب باستخدام عشر دقائق من بيانات الحركة الحرة، ومع ذلك تحقق دقة في التقدير مماثلة لحساسات العزم المخصصة التي تكلف آلاف الدولارات (وفقاً للدراسة المنشورة).
- تشغيل الذراع الروبوتية في بيئة آمنة لمدة 10 دقائق لجمع بيانات الحركة الحرة بدون تلامس مع أي أجسام خارجية
- تدريب نموذج NEXT لمدة دقيقة واحدة على هذه البيانات لتعلم العلاقة بين حالة المفاصل والعزوم المتوقعة
- تطبيق تقنية FIRST لإعادة ترجيح بيانات التدريب مع التركيز على فترات ما قبل التلامس وأثناء التلامس
- دمج تقديرات NEXT مع خوارزمية التحكم الرئيسية لتمكين الاستجابة للقوى الخارجية
- معايرة حساسية النظام حسب متطلبات المهمة المحددة
- اختبار الأداء على مهام تتطلب تلامساً دقيقاً للتأكد من استقرار النظام
اختبر الباحثون النظام على خمس مهام طويلة المدى معقدة، وحققت تقنية FIRST تفوقاً واضحاً على السياسات السابقة المدركة للقوة بنسبة تزيد عن 17% في معدل إكمال المهام (وفقاً للنتائج التجريبية). هذا التحسن لا يقتصر على الدقة فقط، بل يشمل أيضاً تحسن قدرة الروبوت على التعامل مع المهام التي تتطلب سلسلة من التفاعلات المعقدة مع البيئة المحيطة.
التطبيق العملي للنظام يتجاوز مجرد تقدير القوة. يمكن للنظام تمكين التحكم عن بعد بردود فعل القوة على الأذرع منخفضة التكلفة، مما يفتح مجالات جديدة في التطبيقات الصناعية والطبية. قدرة النظام على العمل مع أذرع الروبوتات التجارية الجاهزة دون أي تعديلات أجهزة تعني أن الشركات يمكنها ترقية أنظمتها الموجودة فوراً.
لكن النهج التقني ليس خالياً من التحديات. دقة NEXT تعتمد بشدة على جودة بيانات التدريب الأولية، وأي اضطرابات في المحركات أو عدم انتظام في الحركة أثناء مرحلة جمع البيانات قد يؤثر سلبياً على دقة التقديرات اللاحقة. كما يتطلب النظام إعادة تدريب كلما تغيرت الحمولة المحمولة أو تمت إضافة أدوات جديدة للذراع، مما قد يعقد التشغيل في البيئات الصناعية سريعة التغيير.
